محمدعلی رستگار - استادیار، گروه مهندسی مالی، دانشکده مهندسی صنایع و سیستم ها، دانشگاه تربیت مدرس، تهران، ایران.
ناهید اقبال ریحانی - کارشناسی ارشد، گروه مهندسی مالی، دانشکده علوم مالی، دانشگاه خوارزمی، تهران، ایران.

هدف: در این پژوهش قصد داریم که یک سفارش بزرگ را به تعدادی سفارش کوچک تر تقسیم کنیم تا هزینه واکنش بازار و بی تعادلی به وجود آمده از سفارش های بزرگ در بازار را کاهش دهیم. روش: با توجه به محدودیت دسترسی به داده های معامله های درون روزی و حجم بسیار محاسبه ها، تابع واکنش بازار آنی از سمت خرید را برای چند سهم از بورس تهران با استفاده از مدل واکنش بازار I star به دست آوردیم و با استفاده از تابع واکنش بازار و بازه سفارش گذاری، یک سفارش بزرگ را به تعدادی سفارش کوچک تر تقسیم کردیم تا به جای سفارش گذاری یک باره همه سهام در بازار، سفارش گذاری ها را در بازه های زمانی مختلف انجام دهیم. هدف از این کار، کاهش هزینه واکنش بازار و کنترل بی تعادلی به وجود آمده از سفارش های بزرگ در بازار است. یافته ها: طبق الگوهای درون روزی به دست آمده برای میانگین حجم معامله ها و واکنش بازار، برای هر دسته از سهم های بررسی شده در ابتدای روز، حجم معامله ها کم و واکنش بازار زیاد است؛ اما در انتهای روز با افزایش حجم معامله ها و نقدشوندگی در بازار، هزینه واکنش بازار کاهش می یابد؛ زیرا با افزایش نقدشوندگی در بازار، سفارش های سرمایه گذاران با تغییرهای کمتر قیمت تکمیل خواهد شد. علاوه بر این، تابع واکنش بازار آنی برای سهم های بررسی شده در بورس تهران نیز مقعر است و سرمایه گذاران در اجرای معامله های خرید در مقایسه با فروش هیجانی تر رفتار می کنند. ویژگی های به دست آمده در طراحی راهبرد برای معامله های سرمایه گذاران تاثیر می گذارد. نتیجه گیری: نتایج این پژوهش نشان می دهد که با بررسی الگوهای درون روزی پارامترهای نقدشوندگی بازار، مانند حجم معامله ها و واکنش بازار و همچنین، طراحی راهبرد معامله برای تقسیم سفارش های بزرگ، می توان هزینه های مازاد متحمل شده توسط معامله گران را کاهش داد و باعث شد که سفارش ها با قیمت مناسب تر اجرا شود.

راهبرد تقسیم سفارش های بزرگ, الگوهای درون روزی, معامله های الگوریتمی, واکنش بازار, هزینه معامله ها